Python数据可视化—matplotlib

最新推荐文章于 2024-05-31 09:21:08 发布
最新推荐文章于 2024-05-31 09:21:08 发布
阅读量69 收藏 1
点赞数
分类专栏： Python 文章标签： python 信息可视化 matplotlib
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weideman/article/details/134625752
版权

统计图

折线图

示例1

import matplotlib
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

x = list(range(1, 6))
y = [i ** 2 for i in x]

# 设置绘图窗口尺寸
plt.figure(figsize=(10, 6), dpi=80)
# 设置标题
plt.title("Square Number", fontsize=20)
# 设置x和y轴标题
plt.xlabel("X", fontsize=14)
plt.ylabel("Y", fontsize=14)
plt.tick_params(axis="both", labelsize=14)

# 设置坐标轴的刻度
plt.xticks(x)
plt.yticks(range(0, 25, 2))

# 关闭坐标轴
# plt.axis('off')

# 绘制曲线
plt.plot(x, y, color='red')

# 绘制点
"""参数
 s: 点的大小,c代表点的颜色
 camp: 点的映射，具体意思是y越大颜色越深;
 edgecolors: 边缘颜色
 marker: 点的展示样式"""
plt.scatter(x, y, s=200, c=y, cmap="Blues", edgecolors='none', marker='*')

# 保存图片：一定放在展示图片show()方法之前
# plt.savefig("./resource/xxx.png")

# 展示图片
plt.show()

在这里插入图片描述

示例2

import matplotlib
from matplotlib import pyplot as plt

font = {"family": "SimHei", "weight": "bold", "size": 12}
matplotlib.rc("font", **font)

x = range(11, 31)
y = [1, 1, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
y_1 = [0, 2, 4, 1, 1, 2, 1, 2, 3, 2, 1, 3, 1, 2, 4, 1, 2, 1, 0, 1]

plt.figure(figsize=(12, 8), dpi=80)

_xticks_label = ["{}岁".format(i) for i in x]
plt.xticks(x, _xticks_label)

plt.xlabel("年龄")
plt.ylabel("男\女朋友个数")
plt.title("交友数量")

# 绘制网格
plt.grid()

# 设置图例（那条曲线代表哪个人)
plt.plot(x, y, label="同学")
plt.plot(x, y_1, label="我")
# 只要设置图例，要想让它显示必须写这个东西
plt.legend(prop=font)

plt.show()

在这里插入图片描述

散点图

示例1

import matplotlib
import numpy as np
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

x = np.random.normal(0, 1, 500)
y = np.random.normal(0, 1, 500)

# 参数alpha代表透明度
plt.scatter(x, y, s=40, color='blue', alpha=0.5)

# 去掉坐标轴的文字信息
plt.xticks(())
plt.yticks(())

plt.legend(loc='best')

plt.show()

在这里插入图片描述

示例2

import random

import matplotlib
from matplotlib import pyplot as plt

font = {"family": "SimHei", "weight": "bold", "size": 12}
matplotlib.rc("font", **font)

# 设置标题和轴标题
plt.title("三月份和十月份气温")
plt.xlabel("日期")
plt.ylabel("气温")

# 制造数据
x_3 = range(1, 32)
y_3 = [random.randint(1, 19) for i in range(1, 32)]
x_10 = range(51, 82)
y_10 = [random.randint(10, 29) for i in range(1, 32)]

# 绘制点
"""参数
 label: 图例时使用
"""
plt.scatter(x_3, y_3, label="三月份")
plt.scatter(x_10, y_10, label="十月份")

# x轴添加刻度值
_x = (list(x_3) + list(x_10))[::3]
_xtick_labels = ['3月{}日'.format(i) for i in x_3]
_xtick_labels += ['10月{}日'.format(i) for i in x_10]
plt.xticks(_x, _xtick_labels[::3], rotation=45)

# 添加图例
plt.legend(loc='best')

plt.show()

在这里插入图片描述

示例3

from random import choice

import matplotlib.pyplot as plt


class RandomWalk(object):
    """一个随机漫步数据"""

    def __init__(self, num_points=500):
        """初始化随机漫步的属性"""
        self.num_points = num_points

        # 所有随机漫步都始于(0,0)，用列表存储x和y
        self.x_value = [0]
        self.y_value = [0]

    def walk(self):
        """"计算随机漫步包含的所有点"""

        # 不断循环，直到到达指定的长度
        while len(self.x_value) < self.num_points:
            # 决定前进的方向及距离
            x_direction = choice([1, -1])  # 随即方向
            x_distance = choice([0, 1, 2, 3, 4, 5])  # 随即距离
            x_march = x_direction * x_distance

            y_direction = choice([1, -1])  # 随即方向
            y_distance = choice([0, 1, 2, 3, 4, 5])  # 随即距离
            y_march = y_direction * y_distance

            # 防止在原地踏步
            if x_march == 0 and y_march == 0:
                continue

            # 计算下一个点的x和y的值
            x_next = self.x_value[-1] + x_march
            y_next = self.y_value[-1] + y_march

            self.x_value.append(x_next)
            self.y_value.append(y_next)


if __name__ == '__main__':
    # 创建walk的实例并绘制点
    wk = RandomWalk()
    wk.walk()
    plt.scatter(wk.x_value, wk.y_value, color="red")
    plt.title("Square Numbers", fontsize=12)
    plt.xlabel("X", fontsize=24)
    plt.ylabel("Y", fontsize=24)
    # plt.tick_params(axis="both", which="major", labelsize=14)  # 设置刻度大小
    # 绘制
    plt.show()

在这里插入图片描述

竖直条形图

import matplotlib
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

x = list(range(1, 6))
y = [i ** 2 for i in x]

# 绘制条形图
"""参数
 facecolor: 柱体颜色
 edgecolor: 柱体边缘颜色
 width: 柱体的宽度"""
plt.bar(x, y, facecolor='yellow', edgecolor='black', width=0.6)

# 显示每个柱的数值
"""参数
 '%.2f': 保留两位小数
 ha: 数值水平对齐方式
 va: 数值垂直对齐方式
"""
for x, y in zip(x, y):
    plt.text(x, y, '%.2f' % y, ha='center', va='bottom')

plt.show()

在这里插入图片描述

水平条形图

import matplotlib
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

x = range(10)
y = [i ** 2 for i in x]

# 画直方图的函数
# 参数height:线条粗细
plt.barh(x, y, facecolor='orange', edgecolor='black', height=0.3)
plt.yticks(x, x)

# 绘制网格
plt.grid(alpha=0.5)

plt.show()

在这里插入图片描述

直方图

import matplotlib
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

plt.figure(figsize=(16, 8), dpi=80)

# 制造数据
x = [98, 124, 111, 121, 106, 125, 100, 131, 114, 128]

# 组距
d = 5  # 只有当len(x)/d==0时，图像才不会出现偏移
# 组数
num_bins = (max(x) - min(x)) // d

# 绘制柱体
plt.hist(x, num_bins)

# 绘制刻度
plt.xticks(range(min(x), max(x) + d, d))

# 绘制网格
plt.grid()

plt.show()

在这里插入图片描述

等高线

import matplotlib
import numpy as np
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

def func(x, y):
    """绘制等高线的函数"""
    return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)


x = np.linspace(-3, 3, 100)
y = np.linspace(-3, 3, 100)

# 将x,y传入一个网格中
X, Y = np.meshgrid(x, y)

#  绘制等高线
plt.contour(X, Y, func(X, Y), alpha=0.8, cmap=plt.cm.hot)

# 等高线图例(每根线条上的数值)
C = plt.contour(X, Y, func(X, Y), 8, colors='black')
plt.clabel(C, inline=False, fontsize=10)  # 参数inline：数字是否在线里面

# 关闭坐标轴
plt.axis("off")

plt.show()

在这里插入图片描述

3D图像

import matplotlib
import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

# 生成3D坐标系
fig = plt.figure()
ax = Axes3D(fig)

# 制造数据
x = np.arange(-4, 4, 0.25)
y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(x, y)
R = np.sqrt(X ** 2 + Y ** 2)
Z = np.sin(R)

# 渲染3D物体
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

# 将3D物体投影到地面上
"""参数
 offset: 映射到x为-2的位置
 cmap: 颜色为彩虹
"""
ax.contour(X, Y, Z, offset=-2, cmap='rainbow')
ax.set_zlim(-2, 2)

# 展示图像
plt.show()

在这里插入图片描述

子图

import matplotlib
import numpy as np
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

def f(t):
    return np.exp(-t) * np.cos(2 * np.pi * t)

t1 = np.arange(0, 5, 0.1)
t2 = np.arange(0, 5, 0.02)

# 可以调整subplot的参数调整多个图像的大小比例
ax = plt.subplot(2, 1, 1)
# 两个列表分别表示起点终点的x和y坐标
ax.plot([0, 1], [0, 1])
ax.set_title("子图1")

plt.subplot(2, 3, 4)
plt.plot(t1, f(t1), 'bo')
plt.subplot(2, 3, 5)
plt.plot(t2, f(t2), 'r-')
# 设置两行之间的距离，放置挤压在一起
plt.subplots_adjust(hspace=0.5)

ax1 = plt.subplot(2, 3, 6)
ax1.plot([0, 1], [0, 1])
ax1.set_xlabel("年龄")
ax1.set_ylabel("收入")

plt.show()

在这里插入图片描述

动态作图

import matplotlib
import numpy as np
from matplotlib import animation
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

fig, ax = plt.subplots()
x = np.arange(0, 2 * np.pi, 0.01)
line = ax.plot(x, np.sin(x))


def animate(i):
    """动画曲线函数"""
    line.set_ydata(np.sin(x + i / 10))
    return line


def init():
    """初始化的函数"""
    line.set_ydata(np.sin(x))
    return line


# 生成图像
animation.FuncAnimation(fig=fig, func=animate, init_func=init, interval=20)

plt.show()

在这里插入图片描述

饼状图

import matplotlib
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

# 制造数据
labels = ['Unity', '爬虫', 'Pygame', '数据可视化', '机器学习']
sizes = [40, 20, 20, 10, 10]

# 爆炸效果，数字代表这一块离其他的距离
explode = (0, 0.1, 0, 0, 0)
fig,ax = plt.subplots()

# 绘制饼状图
"""参数shadow:阴影,使图像有3D效果"""
ax.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90)

# 使饼状图为圆形，默认是椭圆的
ax.axis('equal')  # 圆形

plt.show()

在这里插入图片描述

绘制函数

import matplotlib
import numpy as np
from matplotlib import pyplot as plt

font = {'family': 'SimHei', 'weight': 'bold', 'size': 12}
matplotlib.rc('font', **font)

# 制造数据,[-3,3]创建100个点
x = np.linspace(-3, 3, 100)
y0 = x * 2 + 1
y1 = x ** 2

# 设置x和y的范围
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# 设置x和y的标签
plt.xlabel("X Label")
plt.ylabel("Y Label")

# 设置x和y的刻度信息
new_ticks = np.linspace(-2, 2, 11)
plt.xticks(new_ticks)
plt.yticks([-1, 0, 1, 2, 3], ['y1', 'y2', 'y3', 'y4', 'y5'])

# 如果写了一个figure,则只渲染一张图，即把多条曲线画在一幅图中，否则会画多幅图
# 参数figsize:设置图像大小，两个数字分别代表宽高
# plt.figure(figsize=(5,5))
"""参数
 linewidth:线条宽度
 linestyle:线条格式，'-'代表实线,'--'代表虚线,'-.'代表点线,':'代表另一种线"""
l1, = plt.plot(x, y0, color="blue", linewidth=1.0, linestyle="-")
# plt.figure(figsize=(10,10))
l2, = plt.plot(x, y1, color="red", linewidth=4.0, linestyle=':')

# 设置图例
# 注意,l1,l2参数后面要写逗号!!!
plt.legend(handles=[l1, l2], labels=['train1', 'train2'], loc='best')

# 获取当前的坐标轴
ax = plt.gca()
ax.spines['right'].set_color("none")  # 设置边框颜色
ax.spines['top'].set_color("none")  # 默认为无色'none'
ax.spines['bottom'].set_position(("data", 0))  # 设置零点坐标
ax.spines['left'].set_position(("data", 0))  # 设置零点坐标
ax.xaxis.set_ticks_position('bottom')  # 设置坐标轴在哪个边框
ax.yaxis.set_ticks_position('left')  # 默认x在bottom,y轴在left

# 画点画虚线
x0 = 0.5
y0 = x0 * 2 + 1.0
plt.scatter(x0, y0, s=50, color='blue')  # 画点
plt.plot([x0, x0], [y0, 0], 'k--', linewidth=2)  # 画虚线，'k--'表示黑色虚线

# 画箭头做标注
"""参数
 xy:描述的点
 xytest:文本左上角坐标
 connectionstyle:箭头外观rad代表弧度
"""
plt.annotate(r'$2x+1={}$'.format(y0), xy=(x0, y0), xytext=(+30, -30), textcoords='offset points', fontsize=20,
             arrowprops=
             dict(color='orange', arrowstyle='->', connectionstyle='arc3,rad=.2'))

# 添加文字描述
# 文本中的空格需要加\转义
plt.text(-2, 3, r'$Hello\ Unity\ World!$', fontdict={'size': 13, 'color': 'green'})

plt.show()

在这里插入图片描述

其他问题

中文显示

  • 为什么无法显示中文：matplotlib默认不支持中文字符,因为默认的英文字体无法显示汉字

  • 修改方法：

    font = {'family': 'SimHei', 'weight': 'bold', 'size': 16}
plt.rc('font', **font)

plot(**kwargs)调参

  • x、y:位置
  • ls:折现的风格(-,--,-.,:)
  • lw:线条宽度
  • c:颜色
  • marker:线条上点的形状
  • markersize:点的大小
  • markeredgecolor:点的边框色
  • markerfacecolor:点的填充色
  • label:文本标签
韦德曼
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python绘图讲解
m0_57121135的博客
09-23 3967
从本质出发，只把它当作工具而不是要背诵的代码
【python】简单作图
万物皆可图
01-17 1418
以随机数为例 &gt; import matplotlib.pyplot as plt &gt; import numpy as np &gt; import random &gt; x=[] &gt; y=[] &gt; for i in range(10): &gt; x.append(random.random()) &gt; ...
Python之matplotlib数据可视化
最新发布
qq_75124782的博客
05-31 1042
Python扩展库matplotlib主要包括pyplot、pylab等绘图模块，也包含大量用于字体、颜色、图例等图形元素管理和控制的模块，支持线条样式、字体属性、轴属性等属性管理和控制，可以使用非常简洁的代码绘制出优美的图案。其中，pyplot绘图模块包含常用的matplotlibAPI函数，可以使用numpy进行数组运算和表示。使用扩展库matplotlib进行数据可视化之前，首先导入必要的工具包：这样，后面的代码可以使用plt来使用pyplot模块。
Python学习笔记（11-2）：matplotlib绘图——图形绘制函数
热门推荐
jinwei94的博客
02-10 1万+
本节主要讲解了通过matplotlib绘制各类基础图形的方法，及其对应的修饰参数等相关内容，包括：（1）基于颜色（color）、数据点标记（marker）和曲线形式（linestyle）等几个通用参数，来介绍设置参数的一些预备知识；（2）使用plot()、step()函数绘制折线图，以及三种绘制坐标对数变换图的方法； （3）绘制散点图时设置散点颜色和大小的参数方法；（4）介绍基于基础条形图、堆叠条形图和水平堆积条形图的条形图绘制方法；（5）绘制饼图的方法及其参数的设置；（6）绘制一维和二维的直方图方法；
python绘制非常漂亮的图表,python制作简单图形
nbhkk的博客
03-03 1207
大家好，小编为大家解答基于python的图表生成系统的问题。很多人还不知道python做图表的模块有哪些，现在让我们一起来看看吧！
python画图-python绘图入门(完整版)
weixin_37988176的博客
11-01 1万+
1. 画一个简单的图形2. 在一张图纸里绘制多个图形3. 更多设置3.1设置 figure3.2设置标题3.3设置坐标轴3.4设置 label 和 legend3.5添加注释4. 使用子图5. 常见的图形5.1散点图5.2柱状图6. 中文乱码解决以下简述下各部分要点：1. 画一个简单的图形import numpy as npimport pylab as pltplt.plot(x, y)plt....
学习python数据可视化matplotlib库.zip
02-22
在这个“学习python数据可视化matplotlib库”的资源包中，可能包含了关于如何使用matplotlib进行数据可视化的教程或实例。 首先，我们来了解一下matplotlib库的基本概念。matplotlib库由John D. Hunter于2002年创建...
Python数据可视化之matplotlib实践1
08-04
在Python的科学计算和数据分析领域，数据可视化是一个关键的环节，可以帮助我们更好地理解数据和发现潜在的模式。Matplotlib是Python中最基础也是最常用的绘图库，提供了丰富的图形绘制功能。本文将深入探讨...
Python数据可视化之Matplotlib与Pyecharts.pptx
11-04
1.2 数据可视化的技术难点 1.3 可视化工具的必备特性 第一部分：大数据可视化基础篇 2.1 集群的安装及网络配置 2.1.1 Hadoop集群概述 2.1.2 集群软件及其版本 2.1.3 集群网络环境配置 2.2 集群案例数据集简介 2.2.1 ...
Python数据可视化之matplotlib精进1
08-04
在Python的数据可视化领域，matplotlib库是广泛使用的工具之一，它提供了丰富的图形绘制功能。本篇文章主要探讨了matplotlib在数据可视化中的精进技巧，包括多边形颜色填充、圆弧和楔形的绘制以及日期型时间序列图的...
Python数据可视化之matplotlib实践.zip
10-04
Matplotlib是Python中最常用的数据可视化库之一，为用户提供了一种灵活且强大的方式来创建各种图表，包括线图、散点图、直方图、饼图等。本实践指南将深入探讨如何使用matplotlib进行数据可视化。 一、Matplotlib...
Python数据可视化工具——Matplotlib
小伟的博客
07-27 1426
Matplotlib的使用教程，主要介绍散点图、饼图、柱状图、直方图以及箱线图的绘制
Python可视化之Matplotlib
YBK233
04-04 1467
2、解决中文乱码问题 3、图形展现形式 在jupyter notebook中有2种图形展现形式 %matplotlib notebook:运行这句命令会在notebook中启动交互式图形 %matplotlib inline:运行这句命令会在notebook中启动静态图形 如果没有运行该命令，默认展示静态图形 一、图形绘制 1.折线图plot 展现变量的趋势变化 调用方式：plt.plot(x,y,ls=‘-’,lw=w,label=‘plot figure’) 参数： x：x轴的数值 y：y轴的数值
Python--数据可视化基础(matplotlib)
m0_69073685的博客
07-13 931
1. 数据可视化 2. 基本绘图 API 2.1 plot() 2.2 hlines() 绘制水平线 2.3 vlines() 绘制垂直线 2.4 linspace() sin() cos() 3. 设置线型线宽 4. 设置坐标刻度 4.1 坐标轴刻度标签文本以 latex 格式显示 5. 设置坐标轴 6. 设置图例 7. 设置特殊点 8. 设置备注 附 可设置线颜色的单词 latex 图形特殊点的点型 特殊点备注的箭头样式 ...
Python数据可视化利器——Matplotlib基础介绍
禅与计算机程序设计艺术
09-13 2220
作者：禅与计算机程序设计艺术 1.简介 Matplotlib是一个开源的数据可视化库，它提供了一个简洁、直观、优美的接口用来创建静态图形，用于publication quality的图表生成。Matplotlib可以帮助研究者在各个领域进行数据可视化分析、数据科学和机器学习方面做出具有独到见解的结论。本
Python数据可视化——matplotlib的使用
George的博客
02-23 1659
记录matplotlib使用过程中常用的一些技术问题，会不定期更改更新
Python数据可视化之Matplotlib库
m0_75068978的博客
04-28 850
一幅Matplotlib图包括以下组成部分。 figure(面板) Axes(坐标系) Axis(坐标轴) Artist(艺术元素)
【学习笔记】Python大数据处理与分析——Matplotlib数据可视化
有为肥宅的博客
04-17 1002
Matplotlib数据可视化学习，作笔记使用
python数据可视化matplotlib
03-16
Python数据可视化库Matplotlib是一个用于绘制各种图表的工具包。它可以用于绘制线图、散点图、柱状图、饼图、等高线图、3D图等多种类型的图表。Matplotlib提供了丰富的API，可以让用户轻松地控制图表的各个方面，如...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值